Изменения в городском ландшафте можно обнаружить с помощью дистанционного зондирования в видимом и дальнем инфракрасном диапазонах. Для исследования и мониторинга природно-антропогенных объектов широко применяется тепловая съемка. Использование нескольких источников пространственных данных расширяет возможности анализа. В работе проведен анализ данных с умеренным пространственным разрешением и ежедневной съемкой, полученных от спутника MODIS, со средним пространственным разрешением и периодичностью съемки примерно один раз в 14 дней - от спутника Landsat и высоким разрешением с возможностью получения нескольких сцен в сутки - от спутника PlanetScope. Предложена методика выявления антропогенных преобразований в городском ландшафте по температуре земной поверхности. Выявлены три категории изменений: без изменений, незначительные изменения с разницей температур 1-3 ºC и значительные изменения с разницей температур более 4 ºC. При анализе участков температурной карты с максимальными изменениями отмечено, что динамика изменений связана со строительством новых микрорайонов, торговых центров. Также изменение температуры поверхности зависит от изменения лесных ландшафтов, например в местах вырубки древесных насаждений.
Анна Александровна Гостева
Институт вычислительного моделирования Сибирского отделения Российской академии наук; Федеральный исследовательский центр «Красноярский научный центр Сибирского отделения Российской академии наук
Олег Эдуардович Якубайлик
Институт вычислительного моделирования Сибирского отделения Российской академии наук; Федеральный исследовательский центр «Красноярский научный центр Сибирского отделения Российской академии наук
1. Асмус В.В., Бучнев А.А., Пяткин В.П. Кластерный анализ данных дистанционного зондирования Земли // Автометрия. 2010. Т. 46. № 2. C. 58–66.
2. Laraby K.G., Schott J.R., Raqueno N. Developing a confidence metric for the Landsat land surface temperature product // Proc. SPIE. 2016. Vol. 9840: Algorithms and Technologies for Multispectral, Hyperspectral, and Ultraspectral Imagery XXII (17 May 2016). P. 98400C. DOI: https://doi.org/10.1117/12.2222582
3. Wan Z., Zhang Y., Zhang Q., Li Z.-L. Quality assessment and validation of the MODIS global land surface temperature // International Journal of Remote Sensing. 2004. Vol. 25 (1). P. 261–274. DOI: https://doi.org/10.1080/0143116031000116417
4. MODIS Land-surface temperature algorithm theoretical basis document (LST ATBD). URL: https://modis.gsfc.nasa.gov/data/atbd/atbd_mod11.pdf (дата обращения: 26.02.2021).
5. Irons J.R., Rocchio L. History. From the beginning // Landsat Science: [Web] / NASA. 2013. URL: http://landsat.gsfc.nasa.gov/about/history.html (дата обращения: 26.02.2021).
6. Fu P., Weng Q. Consistent land surface temperature data generation from irregularly spaced Landsat imagery // Rem. Sens. of Env. 2016. Vol. 184. P. 175–187. DOI: https://doi.org/10.1016/j.rse.2016.06.019
7. Irons J.R., Dwyer J.L., Barsi J.A. The next Landsat satellite: The Landsat data continuity mission // Rem. Sens. of Env. 2012. Vol. 122. P. 11–21. DOI: https://doi.org/10.1016/j.rse.2011.08.026
8. Satellite imagery gallery // Planet: [Web]. URL: https://www.planet.com/products/explorer/ (дата обращения: 26.02.2021).
9. Gosteva A.A., Matuzko A.K., Yakubailik O.E. Detection of changes in urban environment based on infrared satellite data // IOP Conference Series: Materials Science and Engineering. 2019. Vol. 537. Iss. 6. P. 062051. DOI: https://doi.org/10.1088/1757-899X/537/6/062051
10. Congedo L. Semi-automatic classification plugin documentation. Release 6.0.1.1. 2016. DOI: http://dx.doi. org/10.13140/RG.2.2.29474.02242/1
11. Зубкова К.И., Куревлева Т.Г., Пермитина Л.И. Оценка погрешности расчета NDVI при использовании эмпирических методов учета влияния атмосферы // Ракетно-космическое приборостроение и информационные системы. 2016. Т. 3. № 2. С. 24–30.
12. Barsi J.A., Schott J.R., Palluconi F.D., Hook S.J. Validation of a web-based atmospheric correction tool for single thermal band instruments // Proc. SPIE. 2005. Vol. 5882: Earth Observing Systems X (22 August 2005). P. 58820E. DOI: https://doi.org/10.1117/12.619990
13. Effat H.A., Hassan O.A.K. Change detection of urban heat islands and some related parameters using multi-temporal Landsat images; a case study for Cairo city, Egypt // Urban Climate. 2014. Vol. 10 (1). P. 171–188. DOI: https://doi.org/10.1016/j.uclim.2014.10.011